Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
P-Index
This Author published in this journals
All Journal Jurnal INKOM Indonesia Symposium on Computing Indonesian Journal on Computing (Indo-JC) JOIN (Jurnal Online Informatika) Jurnal Teknik Informatika (JUTIF) eProceedings of Engineering Jurnal Abdimas
Tjokorda Agung Budi Wirayuda
Universitas Telkom
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Social Sciences

Published : 31 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 31 Documents
Search

 1   2   3   4 
Desain Dan Implementasi Voice Command Menggunakan Metode Mfcc Dan Hmms Muslim Sidiq; Tjokorda Agung Budi Wirayuda; Siti Sa'adah
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Semakin seringnya interaksi manusia terhadap teknologi menuntut pengembangan metode interaksi dengan mesin ke arah yang lebih natural. Suara yang merupakan komunikasi yang paling sering digunakan manusia menjadikannya salah satu metode interaksi yang natural. Maka dari itu pengembangan sistem yang dapat mengenali ucapan manusia sebagai suatu aksi pada mesin dapat menjadi satu pilihan untuk permasalahan tersebut. Voice command yang merupakan sistem speech recognition untuk meberikan fungsi dan aksi pada sistem yang telah didefinisikan sebagai Command dan Control systems. Nilai amplitudo diambil dari sinyal suara masukan, sehingga didapatkan kumpulan angka real yang menjadi nilai masukan untuk ekstraksi ciri. Metode ekstraksi ciri yang digunakan pada tugas akhir ini adalah Mel Frequency Cepstral Coefficient (MFCC). Tahapan awal MFCC adalah memecah nilai amplitudo sinyal masukan menjadi frame-frame yang diolah dengan menggunakan mel-filterbak yang diadaptasi dari cara kerja pendengaran manusia. Hasil ekstraksi ciri kemudian dibuat menjadi codebook yang digunakan sebagai inputan simbol pada HMM untuk membentuk model dari setiap kata. Ketika pengujian ciri dari sinyal uji yang telah dikuantisasi kemudian dicocokan dengan model yang telah dibuat pada tahap sebelumnya, sehingga kata dapat dikenali. Dari hasil pengujian, sistem dapat mengenali kata yang diucapkan penutur dengan nilai akurasi rata-rata sebesar 93.89% pada lingkungan tanpa noise, dan 58.1% pada lingkungan dengan noise. Kata kunci: Voice Command, MFCC, HMMs
Deteksi Copy-move Pada Pemalsuan Citra Menggunakan Local Binary Pattern Dan Svd-matching Dian Masmawati; Tjokorda Agung Budi Wirayuda; Febryanti Sthevanie
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Image Forgery merupakan tindakan pemalsuan citra yang dilakukan secara illegal. Pemalsuan Citra juga dapat didefinisikan sebagai proses manipulasi dari suatu citra digital untuk menyembunyikan beberapa informasi yang penting ada suatu citra. Salah satu metode manipulasi citra yang paling umum digunakan adalah Copy-move. Dengan adanya berbagai perangkat lunak pengolahan citra seperti Photoshop, pemalsuan citra sangat mudah dilakukan. Oleh karena itu, dibutuhkanlah suatu cara untuk mendeteksi pemalsuan citra. Pada tugas akhir ini dilakukan deteksi copy-move pada pemalsuan citra digital dengan menggunakan metode Local Binary Pattern (LBP) dan SVD-matching. Dengan menggunakan kedua metode tersebut dilakukan pencocokan antar blok-blok piksel citra. Berdasarkan hasil penelitian yang dilakukan, menunjukan bahwa dengan menerapkan metode ini dihasilkan suatu metode yang dapat mendeteksi copy-move pada pemalsuan citra. Tingkat akurasi sistem terbaik yang diperoleh dari pengujian berbasis area mencapai 62.33% kemudian sistem mampu mendeteksi citra copymove dan citra asli dengan baik karena memiliki akurasi mencapai 81.7% dan mempunyai nilai TPR dan TNR sebesar 0.800 ketika threshold stabil yang digunakan adalah 0.0051. Kata Kunci : Image forgery, copy-move, citra, deteksi, Local Binary Pattern (LBP), SVD-matching
Pengenalan Tulisan Tangan Menggunakan Algoritma Diagonal Feature Extraction Dan K-nn Yustar Pramudana; Tjokorda Agung Budi Wirayuda
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pada sebuah ban ketika pelanggan mengisi form dan diterima oleh teller, teller akan menginput kembali kedalam komputer. Proses akan lebih cepat jika ada sistem automasi. Dibangun sistem yang dapat mensimulasikan situasi diatas. Dibuat sistem untuk mengenali karakter tulisan tangan dengan menggunakan Diagonal Based Feature Extraction dan metode klasifikasi K-Nearest Neighbour. Dari hasil pengujian diperoleh akurasi terbaik 90% dengan metode Diagonal Feature Extraction dari kanan dan KNN dengan k=2. Kata kunci: Diagonal Feature Extraction, Pengenalan Tulisan Tangan, Handwritten Recognition, k-Nearest Neighbour, k-NN
Sistem Deteksi Api Berbasis Visual Menggunakan Metode Local Binary Patterns-three Orthogonal Planes Dan Grey-level Cooccurrence Matrix Gugy Lucky Khamdani; Tjokorda Agung Budi Wirayuda; Febryanti Sthevanie
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Alat pendeteksi api tradisional yang sudah terpasang di kebanyakan gedung saat ini  biasanya berbasis sensor, seperti sensor inframerah, sensor asap, dan lain-lain. Akan tetapi deteksi berbasis sensor tersebut penempatannya harus pas dan tidak cocok jika digunakan di luar ruangan atau di tempat terbuka. Dengan adanya kamera CCTV, sangat membantu dalam mendeteksi api secara efisien dalam waktu yang singkat jika kamera tersebut dilengkapi dengan perangkat lunak khusus.  Pada tugas akhir ini dirancang dan diimplementasikan sistem pendeteksi api berbasis visual. Tahapan pada sistem ini diantaranya adalah Three-frame differencing untuk mendeteksi gerakan pada video, fire color image segmentation, ekstraksi ciri menggunakan Grey-level Co-occurrence Matrix (GLCM) dan Local Binary Patterns-Three Orthogonal Planes (LBP-TOP), dan pengklasifikasian menggunakan kNearest Neighbors (kNN). Keluaran dari tugas akhir ini adalah sistem dapat mendeteksi dan menunjukkan lokasi objek api pada gambar video. Kata Kunci: fire detection, three-frame differencing, LBP-TOP, GLCM.
Klasifikasi Kepadatan Lalu Lintas Berbasis Multitracking Object Dengan Menggunakan Metode Particle Filter Hafidz Al Djohari; Tjokorda Agung Budi Wirayuda; Bedy Purnama
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak— Penentuan kepadatan lalu lintas menggunakan kamera saat ini digunakan hanya sebatas pengawasan secara visual. Namun sebenarnya terdapat parameter yang menjadi acuan baku untuk menentukan karakteristik kepadatan arus lalu lintas salah satunya kecepatan rata-rata tiap kendaraan. Hal ini sudah diatur dalam Peraturan Menteri Perhubungan Nomor : KM 14 Tahun 2006. Untuk menentukan kecepatan kendaraan digunakan metode object tracking untuk mendapatkan jumlah frame yang dilalui tiap objek dari batas yang sudah ditentukan. Praticle Filter digunakan sebagai metode object tracking karena dapat memperkecil wilayah telusur objek terutama dengan menggunakan particle filter berbasis warna. Selain itu juga dibutuhkan metode untuk mendeteksi kendaraan yang digunakan sebagai acuan dari particle filter. Meotde yang digunakan untuk menangani masalah pendeteksian objek menggunakan Gaussian Mixture Model, metode ini memiliki hasil keluaran berupa citra hitam putih dengan citra putih merupakan citra yang dideteksi sebagai objek. Partikel yang menempel pada tiap objek digunakan untuk mendapatkan titik centroid. Titik centroid dari tiap objek diambil sebagai acuan posisi. Dengan menggabungkan dua metode ini didapatkan tingkat akurasi dalam menghitung jumlah kendaraan sebesar 91,22% dan akurasi dalam menentukan kecepatan kendaraan sebesar 94,41% sedangkan justifikasi tingkat kepadatan memiliki kecocokan yang tinggi dan tingkat kecocokan terhadap pelayanan arus lalu lintas sebesar 66,67% dari video yang diujikan. Kata kunci : kepadatan lalu lintas, jalan tol, object tracking, vehicle tracking, vehicle counting, particle filter. Abstract— Determination of the density of traffic using the current camera used was limited to visual inspection. But actually there are parameters that become the standard reference for determining the characteristics of traffic density is a average speed of each vehicle. It is already stipulated in the Regulation of the Minister of Transportation No. KM 14 of 2006. To determine the vehicle speed object tracking method is used to get the number of frames that traversed each object of a specified limit. Praticle Filter is used as a method of object tracking because it can reduce the search area, especially by using color-based particle filter. It also needed a method to detect the vehicle used as a reference of the particle filter. Meotde used to deal with object detection using Gaussian Mixture Models, this method has the output in the form of a black and white image with a white image is an image that is detected as an object. Particles which attached to each object is used to get the centroid point. The centroid of each object taken as a reference position. By combining these two methods, obtained accuracy in counting the number of vehicles amounted to 91.22% and the accuracy in determining the speed of vehicles by 94.41% while the justification density has a high compatibility and suitability to service traffic flows amounted to 66.67% of the video being tested. Keywords: traffic density, road tolls, object tracking, vehicle tracking, vehicle counting, particle filter.
Implementasi Speaker Recognition Untuk Otentikasi Menggunakan Modified Mfcc – Vector Quantization Algoritma LBG Reza Aulia Sadewa; Tjokorda Agung Budi Wirayuda; Siti Sa'adah
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini membahas mekanisme otentikasi menggunakan komponen biometrik manusia yang bersifat unik, yaitu sinyal bicara sebagai alternatif dari mekanisme yang lain, seperti kata sandi dan kode PIN. Pertama, fitur atau karakteristik suara direpresentasikan dengan sejumlah koefisien hasil MFCC. Selanjutnya, model suara, yang disebut dengna codebook dibentuk menggunakan VQ. Metode ini dimodifikasi dengan mekanisme thresholding untuk menolak otentikasi suara aisng atau suara yang codebook-nya belum terlatih dan filter Butterworth untuk menangani noise pada suara. Pengujian dilakukan dengan menggunakan data sintetik dan biometrik yang masing – masing terdiri dari 10 pembicara. Setengah dari jumlah pembicara dijadikan sebagai pembicara asing. Secara keseluruhan, metode – metode yang dipakai sudah cukup baik sebagai mekanisme otentikasi. Berdasarkan hasil pengujian yang dilakukan, MFCC dan VQ dapat 100 % membedakan suara antar pembicara namun tetap mengotentikasi pembicara asing, yang seharusnya ditolak, sebagai pembicara terlatih yang paling mirip. Dibandingkan dengan suara yang diberi noise, suara yang difilter dengan parameter tertentu dapat menghasilkan akurasi yang lebih besar. Metode thresholding yang digunakan menghasilkan true rejection sekitar 90 % namun menghasilkan true acceptance sebesar 70 %. Penerapan toleransi threshold dapat meningkatkan persentase true acceptance, namun mekanisme ini harus diteliti lebih lanjut untuk mendapatkan keseimbangan dan optimasi dari hasil true acceptance dan true rejection. Kata kunci: MFCC, VQ, filter butterworth, threshold
Prediksi Pergerakan Indeks Harga Saham Menggunakan Artificial Neural Network Dan Support Vector Machine Fani Nuraini; Jondri Jondri; Tjokorda Agung Budi Wirayuda
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Prediksi pergerakan indeks harga saham dapat dikategorikan sebagai permasalahan yang cukup menantang dalam prediksi finansial. Namun, kompleksitas pasar saham mengakibatkan pengembangan model prediksi yang dapat dikatakan efektif menjadi sangat sulit. Dua model yang digunakan untuk melakukan prediksi, yaitu Artificial Neural Network (ANN) dan Support Vector Machine (SVM) dikenal cukup akurat dalam memprediksi pergerakan indeks harga saham. Penelitian menggunakan sepuluh indikator analisis teknikal saham sebagai masukan untuk kedua model yang dibangun. Data indeks saham yang digunakan berasal dari Indeks Harga Saham Gabungan (IHSG). Penelitian menunjukkan bahwa SVM mengungguli ANN dari segi akurasi prediksi pergerakan harga saham IHSG dengan akurasi tertinggi SVM sebesar 56,405% dan akurasi tertinggi ANN sebesar 56,40498% untuk data masukan berupa analisis teknikal saham dengan periode waktu tiga hari. Kata Kunci: Prediksi, Artificial Neural Network, Support Vector Machine, Indeks Harga Saham Gabungan, Analisis Teknikal
Pengenalan Ekspresi Wajah Menggunakan Local Binary Pattern (LBP) Adi Saputra; Tjokorda Agung Budi Wirayuda
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pengenalan eskpresi wajah meupakan subjek yang penelitian yang menarik. Pengaplikasiannya membuka kesempatan hadirnya suatu bentuk interaksi yang lebih alami antara manusia dan komputer. Dalam paper ini dibangun sebuah sistem pengenalan ekspresi wajah menggunakan metode Local Binary Pattern (LBP) sebagai metode ekstraksi ciri. LBP memiliki perhitungan yang cepat karena algoritmanya yang sederhana, namun tetap dapat menhasilkan ciri wajah secara efisien. Percobaan dilakukan menggunakan dataset JAFFE. Klasifikasi menggunakan metode kNN dan SVM (Support Vector Machine) dengan skema one-againts-one. Hasil pengujian menunjukkan bahwa metode LBP dapat menghasilkan ciri diskriminatif dari ekspresi wajah. Dari percobaan yang dilakukan didapatkan akurasi tertinggi sebesar 84% untuk skema pengujian person-dependent dengan konfigurasi operator LBP (p=8,r=8) dan segmentasi 16 region. Kata Kunci: - Pengenalan Ekspresi Wajah, LBP, kNN, SVM
Sistem Deteksi Api Berbasis Spatial-temporal Dengan Metode Ekstraksi Kontur Dan Area Movement Analysis Brilian Aringga Prabowo; Tjokorda Agung Budi Wirayuda; Febryanti Sthevanie
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Ekstraksi kontur dan area movement analysis merupakan kunci untuk mendeteksi keberadaan api pada citra sekuensial seingga waktu dan lokasi api dapat dideteksi. Untuk mengektrak kontur pada frame dilakukan binerisasi dengan menggunakan adaptive threshold. Kemudian dengan memanfaatkan cita biner yang didapatkan dilakukan pendeteksian berdasarkan nilai rata-rata keabuan setiap objek serta nilai piksel pada tepi objek. Pada area movement analysis dilakukan analisis berdasarkan area overlapping dan area growing pada objek api di dua frame yang berbeda. Berdasarkan hasil penelitian didapatkan bahwa dengan memanfaatkan ekstraksi kontur dan area movement analysis sistem mampu mendeteksi waktu kemunculan serta lokasi api dengan baik.Kata Kunci : ekstraksi kontur, area movement analysis, adaptive threshold, area overlapping, area growing.
Pengenalan Dan Representasi Simbol Akor Musik Menggunakan Hidden Markov Model Dengan Pendekatan Doubly Nested Circle Of Fifth Muhammad Miftah Muslim Zulfikar; Tjokorda Agung Budi Wirayuda; Anditya Arifianto
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Tugas akhir ini menjelaskan sistem pengenalan akor berbasis Hidden Markov Model (HMM) dengan pendekatan Doubly Nested Circle of Fifth (DNCOF). Terdapat dua versi HMM dalam sistem ini, trained-HMM dan untrainedHMM. Pada trained-HMM sistem dilatih menggunakan 180 lagu dari 13 album The Beatles untuk membentuk model akor. Sedangkan untrained-HMM menggunakan Chord Template untuk membentuk model akor. Model akor yang digunakan dalam sistem berjumlah 24 akor yang terdiri dari 12 nada dengan kombinasi mayor dan minor. DNCOF digunakan sebagai probabilitas transisi pada sistem HMM. Dalam pengenalan ini, lagu diekstrak ke dalam bentuk chromagram dan tugas dari sistem pengenalan ini adalah untuk mengisi label akor disetiap chromagram frame. Tugas akhir ini mengevaluasi bagaimana pengaruh DNCOF terhadap akurasi dua sistem pengenalan akor berbasis HMM dimana dalam sekenario terbaik DNCOF yang menggunakan untrain-HMM menghasilkan akurasi terbaik yaitu 96.94%. Dan juga mengevaluasi perbandingan antara trained-HMM dengan untrained-HMM dimana keduanya memiliki akurasi yang cukup dekat disetiap skenario. Kata Kunci: Akor, PCP, HMM, DNCOF, Chromagram.
Co-Authors Adi Saputra Amna Rizky Anditya Arifianto Andri Arindiah Andrian Wijayana Bambang Ari Wahyudi Bandy Cipta Nur Ramadhan Barsyah Dwi Idestio Bedy Purnama Bobby Yuliandra Brilian Aringga Prabowo Dian Masmawati Fahmi Rahmanthaha Nurdinsyah Fani Nuraini Febryanti Sthevanie Fitri Amalia Hadi Gugy Lucky Khamdani Gunawan Gunawan Gustav Nugraha Hafidz Al Djohari Hertog Nugroho Idestio, Barsyah Dwi Indwiarti Jondri Jondri Juwindar Honesty Simanjuntak Kurniawan Nur Ramadhani Muhammad Miftah Muslim Zulfikar Muhammad Mirza Muhammad Shafhi Kasyfillah Muhammad Zulfiqar Shafar Muslim Sidiq Natha, Si Gede Ngurah Chandra Adi Prasti Eko Yunanto Pratama, Arya Beta Putra Putu Harry Gunawan Retno Novi Retno Novi Reza Aulia Sadewa Rifki Wijaya Risky Diatama Rita Rismala Siti Sa'adah Sthevanie, Febriyanti Untari Novia Wisesty Yustar Pramudana